Весело
Весело

Grok TTS: озвучка текста по API

Grok TTS — озвучка текста от xAI: 28 готовых голосов, и каждый говорит на любом из 20 языков, включая русский. Интонацию задают теги прямо в тексте — смех, паузы, шёпот, даже пение. По нашему API это адрес /v1/audio/speech в формате OpenAI, в ответ приходит готовый звуковой файл. Цена — 1,68 ₽ за 1000 знаков.

  • 1,68 ₽ за 1000 знаков
  • до 4 096 знаков
  • текст → звук

x-ai/grok-tts

Обновлено:

Получить ключ Попробовать Документация

Попробовать Grok TTS

Отправь текст — модель вернёт его голосом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

Текст для озвучки: «[laugh] Ну что, проверим голос? <whisper>Это говорит нейросеть.</whisper> Звучит живо?»

Голос: eve

В ответ приходит сам звук, по умолчанию MP3; цена — в заголовке x-veselo-cost-rub.

Цены Grok TTS в рублях

Текст — считаем по знакам1,68 ₽ за 1000 знаков

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена

Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

Аудиоверсия статьи или главы книги: глава на 20 000 знаковОколо 33,60 ₽
Голосовое меню и ответы поддержки: меню из десяти фраз на 1 500 знаковОколо 2,52 ₽
Рекламный ролик и анонс: ролик на 600 знаковОколо 1,01 ₽
Озвучка уроков и курсов: урок на 8 000 знаковОколо 13,44 ₽

Что умеет Grok TTS

  • 28 голосов, и любой говорит на любом из 20 языков: русский, английский, немецкий, французский, турецкий, японский и другие (документация xAI). Голос по умолчанию — eve.
  • Теги прямо в тексте: в нужной точке — [pause], [laugh], [sigh] и другие, вокруг фразы — <whisper>…</whisper>, <slow>…</slow>, <loud>…</loud>.
  • Скорость речи — параметр speed от 0,7 до 1,5, обычная — 1,0.
  • До 4 096 знаков за один запрос.
  • Ответ — готовый файл MP3, WAV или PCM, без потоковой передачи по кускам.

Где применять

Аудиоверсия статьи или главы книги

Для длинного чтения у xAI есть голоса с пометкой «рассказ» и «аудиокниги»: orion — насыщенный, «кинематографичный», lux — спокойный и основательный. Режь текст по абзацам: по документации xAI, переносы абзацев дают естественные паузы и помогают держать ровное качество на длинном тексте. Главу собирай из нескольких запросов по 4 096 знаков и склеивай файлы в одну дорожку. Один голос на всю книгу и одинаковый speed во всех кусках — тогда слушатель не заметит швов между запросами.

Пример запроса: «Глава первая. [pause] Утро в посёлке начиналось с запаха хлеба и скрипа калитки» — голос orion.

Стоимость: глава на 20 000 знаков — около 33,60 ₽.

Голосовое меню и ответы поддержки

Для телефонного меню и коротких ответов бота подходят голоса, которые xAI отмечает для поддержки: celeste — сочувственный и успокаивающий, aurora — ровный, iris — дружелюбный. Пиши так, как говорят по телефону: короткие фразы, номер кнопки в конце, паузы через [pause]. WAV проще перекодировать под телефонию, а MP3 сразу подходит для бота или сайта. Меню обычно перезаписывают редко, так что озвучка разовая, а поменять одну фразу можно отдельным запросом, не трогая остальные.

Пример запроса: «Служба доставки, добрый день! [pause] Статус заказа — кнопка один. Оператор — кнопка ноль» — голос celeste.

Стоимость: меню из десяти фраз на 1 500 знаков — около 2,52 ₽.

Рекламный ролик и анонс

У xAI есть голоса с пометкой «реклама»: altair — элегантный, zenith — собранный и напористый, perseus — уверенный. Нарастание к призыву делает тег <build-intensity>…</build-intensity>, ударение на слове — <emphasis>…</emphasis>. Сделай два-три варианта разными голосами и сравни на слух: короткий ролик стоит недорого, а разница в восприятии бывает заметной. Покажи варианты паре людей из целевой аудитории — со стороны слышно, какой голос продаёт, а какой просто читает текст.

Пример запроса: «Новый сезон — новые маршруты. <build-intensity>Бронируй до пятницы и лети дешевле!</build-intensity>» — голос zenith.

Стоимость: ролик на 600 знаков — около 1,01 ₽.

Озвучка уроков и курсов

Для обучения xAI отмечает голоса luna — мягкий и терпеливый, cosmo — живой и понятный, lumen — тёплый и внятный. Термины и формулы оборачивай в <slow>…</slow>, а speed около 0,9 даст слушателю время записать. Вопрос к ученику с [pause] после него оставит паузу на раздумье, чтобы урок звучал как разговор, а не лекция по бумажке. Для длинного курса заведи список терминов с их произношением и проверяй первый урок целиком на слух.

Пример запроса: «Запомни правило: <slow>жи и ши пиши с буквой и</slow>. [pause] А теперь вопрос: как пишется слово „шина“?» — голос luna.

Стоимость: урок на 8 000 знаков — около 13,44 ₽.

Как писать запрос

Советы из документации xAI:

  • ставь теги в точке, где звук был бы в живой речи, и опирайся на знаки препинания: «Правда? [laugh] Вот это новость!» звучит естественнее, чем несколько тегов подряд;
  • оборачивай тегами целые фразы, а не отдельные слова; теги можно вкладывать: <slow><soft>Спокойной ночи.</soft></slow>;
  • запятые, точки и вопросительные знаки задают темп, а «!» и «?» меняют подачу;
  • делай абзацы: пустая строка между ними — естественная пауза.

Характеристики

РазработчикxAI (Grok)
ВидОзвучка текста
ГолосаEve, Altair, Ara, Atlas, Aurora, Carina и ещё 6
Языкиen
Текст за запросдо 4 096 знаков
Форматы звукаmp3, wav, pcm
Как читатьполе instructions: тон, темп, настроение
id для запросаx-ai/grok-tts

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — POST https://veselo.ai/v1/audio/speech с полем model: x-ai/grok-tts, ключ — в заголовке Authorization: Bearer sk-vsl-….

curl

curl https://veselo.ai/v1/audio/speech \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "x-ai/grok-tts",
    "voice": "eve",
    "input": "Добрый вечер! Сегодня в программе — хорошие новости."
  }' \
  --output speech.mp3

Python

from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)

with client.audio.speech.with_streaming_response.create(
    model="x-ai/grok-tts",
    voice="eve",
    input="Добрый вечер! Сегодня в программе — хорошие новости.",
) as r:
    r.stream_to_file("speech.mp3")

JavaScript

import fs from 'node:fs';

const res = await fetch('https://veselo.ai/v1/audio/speech', {
  method: 'POST',
  headers: { Authorization: 'Bearer sk-vsl-ТВОЙ_КЛЮЧ', 'Content-Type': 'application/json' },
  body: JSON.stringify({ model: 'x-ai/grok-tts', voice: 'eve', input: 'Добрый вечер! Сегодня в программе — хорошие новости.' }),
  signal: AbortSignal.timeout(600_000),
});
if (!res.ok) throw new Error((await res.json()).error.message);
fs.writeFileSync('speech.mp3', Buffer.from(await res.arrayBuffer()));

Пример ответа — только поля

HTTP/1.1 200 OK
Content-Type: audio/mpeg
x-veselo-cost-rub: …

<звук MP3>

В программах: тем же ключом — из любого кода, а без ключа Claude, ChatGPT и Cursor зовут модель по MCP: вход на сайте и кнопка «Разрешить». MCP

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
Grok TTS — эта модель1,68 ₽ / 1000 знаковдо 4 096 знаковживая озвучка со смехом, паузами и шёпотом по тегам в тексте, на русском и ещё 19 языках
Grok STT — xAI (Grok)0,19 ₽ / миндо 2 ч звукарасшифровка встреч, звонков и голосовых на русском и ещё 37 языках со временем слов
OpenAI TTS-1 — OpenAI1,68 ₽ / 1000 знаковдо 4 096 знаковкороткие подсказки и уведомления, где скорость ответа важнее тембра
Fish Audio S2.1 Pro — Fish Audio3,36 ₽ / 1000 букв кириллицыдо 4 096 знаковживая озвучка роликов и уроков с эмоциями, описанными своими словами
Soniox TTS v2 — Soniox1,58 ₽ / 1000 знаковдо 4 096 знаководин голос на многих языках и эмоции метками в тексте, русский есть
Orpheus 3B — Canopy Labs1,68 ₽ / 1000 знаковдо 4 096 знакованглийские реплики с живыми звуками — смех, вздох, кашель — метками в тексте
  • OpenAI TTS-1 — если теги эмоций не нужны, а нужен широкий диапазон скорости речи.
  • Fish Audio S2.1 Pro — если нужно больше языков и эмоции, описанные своими словами в квадратных скобках.
  • Soniox TTS v2 — если нужен большой выбор голосов: у Soniox их 200, и все говорят на всех языках модели.

Как устроен доступ

Весело — не разработчик Grok TTS: модель выпускает xAI (Grok). Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность

Вопросы и ответы

Какой голос Grok TTS взять для русского текста?
Любой: по документации xAI каждый из 28 голосов говорит на всех поддерживаемых языках, включая русский. Выбирай по задаче — для книг orion, для поддержки celeste, для рекламы zenith. У rigel и naksh, по описанию xAI, есть акцент — австралийский и индийский, их послушай заранее.
Как добавить смех, паузу или шёпот?
Тегами прямо в тексте. Звуки в точке: [pause], [long-pause], [laugh], [chuckle], [giggle], [cry], [sigh], [breath], [inhale], [exhale], [tsk]. Подача фразы: <whisper>, <soft>, <loud>, <slow>, <fast>, <higher-pitch>, <lower-pitch>, <emphasis>, <singing>. Полный список — в документации xAI.
Сколько текста можно озвучить за один запрос?
До 4 096 знаков. Длинный текст отправляй частями по абзацам и склеивай файлы: так и паузы между абзацами сохраняются, и при ошибке переделывать придётся только один кусок.
В каком виде приходит звук?
Целым файлом в ответе на запрос: MP3, WAV или PCM — формат задаёт response_format. MP3 подходит почти везде, WAV — для монтажа и телефонии. PCM — сырой звук без заголовка: браузер его не проиграет, он нужен для своих звуковых программ.
Что будет, если запрос закончится ошибкой?
Запрос, который закончился ошибкой нейросети, денег не стоит: удержание на время запроса снимается целиком. Цену удачного ответа видно в рублях сразу.
Есть ли подписка или абонентская плата?
Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.
Сколько запросов можно отправлять?
До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: docs.x.ai